초록 ▼

□ 연구개발 목표 및 내용
○ 최종 목표
-지능형 화재대피 및 구조 시스템을 위한 핵심 요소기술 개발
-Deep Learning을 활용한 선택적 Sector 기반의 BLE(Bluetooth Low Energy) Fingerprinting 실내측위 알고리즘 연구
-드론 및 Doppler Radar를 활용한 생체 인지 알고리즘 연구

○ 전체 내용
-2-type BLE Beacon(A-type: 화재 시 비상구 정보 및 혼잡도 파악 / B-type: 실내 위치측위)
-선택적 Sector 기반의

□ 연구개발 목표 및 내용
○ 최종 목표
-지능형 화재대피 및 구조 시스템을 위한 핵심 요소기술 개발
-Deep Learning을 활용한 선택적 Sector 기반의 BLE(Bluetooth Low Energy) Fingerprinting 실내측위 알고리즘 연구
-드론 및 Doppler Radar를 활용한 생체 인지 알고리즘 연구

○ 전체 내용
-2-type BLE Beacon(A-type: 화재 시 비상구 정보 및 혼잡도 파악 / B-type: 실내 위치측위)
-선택적 Sector 기반의 정밀 BLE Fingerprinting 알고리즘 개발
-제한된 RSSI 정보를 통한 Deep Learning 기반의 실내 위치오차 보정 알고리즘- 현재위치와 비상 대피경로 및 구조 안내를 위한 시스템 요구기술 분석
-화재상황 분석을 위한 실내측위 기반의 드론 Navigating 및 정밀 Hovering 알고리즘
-LiDAR Mapping & Visualization
-Doppler Radar를 통한 Body Movement / Respiration / ECG 신호 분리 알고리즘

□ 연구개발성과
- 기존 Wi-Fi AP는 배터리 사용이 불가하여 많은 전력이 소모되었지만 BLE Beacon의 경우 전력소모가 매우 낮기 때문에 소형 배터리 사용 시 최대 2년 동안 운영 가능하며, 삼변측량과 선택적 Sector 기반 Fingerprinting의 융합 연구와 Deep Learning에 의한 위치오차 자체 보정 연구의 결과를 활용하여 연산 효율성과 위치 측위 정확도를 높일 수 있다.
- 본 연구는 Deep Learning 기술을 기초로 선택적 BLE Sector 기반 실내측위 구현과 함께 Doppler Radar를 통한 생체인지 등 연구적 가치가 높고 동일분야 국내 최초의 도전적인 연구임이 자명하며, 화재 외에도 지진 등으로 인한 대규모 실내 재난 구조에 활용될 수 있다.

□ 연구개발성과 활용계획 및 기대 효과
- 머신러닝 기반 측위 시스템 학습 모델은 이미지 및 동영상 인지 등의 컴퓨터 비전 분야와 달리 상대적으로 낮은 연산량이 요구되기에 FPGA 기반의 머신러닝 연산 칩셋(ML-Chip)을 활용하는 보편적 IoT H/W에 대해 높은 이식성이 기대되며, 센서를 통한 계측 시스템에서 보편적으로 나타내는 시계열 정보 처리 분야의 머신러닝 예측 시스템을 구축할 때 적절한 레퍼런스 모델로 활용이 가능하다고 판단된다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 13
• 1) 연구수행 결과 ... 13
• 2) 세부 연구수행 결과 ... 14
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 25
• 5. 연구개발성과의 관리 및 활용 계획 ... 25
• 6. 참고문헌 ... 27
• 끝페이지 ... 27